原创论文 中国居民消费水平模型及分析（专业：统计）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

一、摘要

消费作为社会再生产的终点和起点，对于实现社会再生产的良性循环促进国民经济的持续发展具有决定性作用。要刺激消费、扩大内需，必须找出影响居民消费水平的关键因素，才能对症下药。文章采取经验回归法，根据经验实验性的给出影响居民消费水平的关键因素，然后采用经济计量学计算出各个解释变量系数。建立了中国居民消费水平计量模型对此进行分析。

【关键词】居民消费水平 居民可支配收入 恩格尔系数 消费物价指数
----------------------------------------------------------------------------------------------

论文内容确系本人原创。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：居民消费水平 消费水平 原创论文 解释变量系数 消费物价指数 中国 模型 论文 消费水平 居民

三、数据的搜集
数据均来自中国统计年鉴，真实可靠。
四、模型的初步建立

建立多元线性回归模型
Y=  

参数估计
表2：初步LOS估计
Dependent Variable: Y               
Method: Least Squares               
用最小二乘法估计结果模型为
2761.624+0.017302X -0.011656X -17.12222X +0.451557X -18.41215X +-398.9864X -0.027337
五、模型的检验
1．        经济意义检验:
模型初步估计结果显示,居民消费水平(Y) 受国内生产总值(X1)的正向影响,且影响较为显著,符合经济意义。而参数估计结果中, 城镇居民家庭人均可支配收入(X2), 社会保障基金支出(X7)的系数估计结果为负,不符合经济意义,并且受城镇居民家庭人均可支配收入（X2）以及城镇居民家庭恩格尔系数（X3）农村居民家庭恩格尔系数（X5），基尼系数（X6），社会保障基金支出（X7）的影响不显著，可能是多重共线影响所致,因而有待进一步分析和检验.

2． 统计检验:       
从估计的结果可以看出，模型的可决系数为0.999783，模型拟合情况看起来很理想，但是很可能是由于多重共线性导致。在给定显著水平α=0.05的情况下，解释变量X1和 X4的t统计量的值分别为大于t统计量的临界值，说明X1对应变量的影响是显著的.其他变量均未通过t 检验,分析可能是由于变量之间的多重共线性所致,有待进一步分析.模型F统计量的值为2636.014非常显著，说明回归方程非常显著,整体模型效果比较好。
3.        模型修正:
        多重共线性检验
表3：相关系数矩阵
        X1        X2        X3        X4        X5        X6        X7
X1         1.000000         0.997469        -0.832504         0.989900        -0.883748         0.946002         0.994994
X2         0.997469         1.000000        -0.856724         0.985256        -0.905086         0.961652         0.998826
X3        -0.832504        -0.856724         1.000000        -0.838603         0.983394        -0.894998        -0.868227
X4         0.989900         0.985256        -0.838603         1.000000        -0.884644         0.916717         0.980587
X5        -0.883748        -0.905086         0.983394        -0.884644         1.000000        -0.924723        -0.913231
X6         0.946002         0.961652        -0.894998         0.916717        -0.924723         1.000000         0.968024
X7         0.994994         0.998826        -0.868227         0.980587        -0.913231         0.968024         1.000000


由表3相关系数矩阵可以看出，解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。

多重共线性模型的修正（详见电子版）
运用OLS方法分别求Y对个解释变量X1、X2、X3、X4、X5、X6、X7进行一元回归。七个方程的回归结果详见表4—表10，再结合经济意义和统计检验拟合效果最好的一元线性回归方程。

                               
在X2，X3 ，X4的回归模型中，  显著提高，各个参数t检验显著。在X2，X3， X4的基础上加入X1 ，X5， X6，X7后，  没有显著提高，但其他参数的t检验变得不显著，甚至符号与其经济意义完全不符合。故修正后的方程不应该包括X1，X5 ，X6， X7，保留X2，X3，X4作为修正后方程的变量。

        异方差检验
对修正方程进行异方差检验结果如表27

表27  White检验结果
Dependent Variable: Y               
Method: Least Squares               
Date: 10/15/09   Time: 16:46               
Sample: 1995 2006               
Included observations: 12               
                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
C        7483.602        3225.798        2.319923        0.0681
X2        0.236822        0.325923        0.726619        0.5000
X2^2        -8.67E-06        2.51E-05        -0.346026        0.7434
X3        -282.9818        159.0298        -1.779426        0.1353
X3^2        2.890116        1.834804        1.575163        0.1760
X4        0.301321        1.169852        0.257572        0.8070
X4^2        0.000187        0.000286        0.654449        0.5417
                               
                               
R-squared        0.999664            Mean dependent var        3932.917
Adjusted R-squared        0.999261            S.D. dependent var        1134.153
S.E. of regression        30.83171            Akaike info criterion        9.986162
Sum squared resid        4752.972            Schwarz criterion        10.26902
Log likelihood        -52.91697            F-statistic        2479.952
Durbin-Watson stat        2.812212            Prob(F-statistic)        0.000000
                               
                               

nR = 11.995968，在95%的水平下， （6）=12.5916，nR < （12），所以接受原假设，表明模型中随机误差不存在异方差。

        自相关检验
Dependent Variable: Y               
Method: Least Squares               
Date: 10/15/09   Time: 16:23               
Sample: 1995 2006               
Included observations: 12               
                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
C        846.0674        291.7700        2.899775        0.0199
X2        0.252539        0.034318        7.358875        0.0001
X4        0.807134        0.136293        5.922043        0.0004
X3        -17.36602        5.077149        -3.420427        0.0091
                               
                               
R-squared        0.998910            Mean dependent var        3932.917
Adjusted R-squared        0.998502            S.D. dependent var        1134.153
S.E. of regression        43.89981            Akaike info criterion        10.66290
Sum squared resid        15417.54            Schwarz criterion        10.82453
Log likelihood        -59.97739            F-statistic        2444.645
Durbin-Watson stat        1.504001            Prob(F-statistic)        0.000000
                               

由表27可知，DW=1.504001，查表得 =0.658， =1.864 ，因为  <DW< ，所以不能判断模型是否存在自相关。为了更好的提高模型的精度，我们用科克伦—奥克特迭代法对模型进行修正。

Dependent Variable: E               
Method: Least Squares               
Date: 10/15/09   Time: 17:40               
Sample (adjusted): 1996 2006               
Included observations: 11 after adjustments       
                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
E(-1)        0.179380        0.332604        0.539319        0.6015
                               
                               
R-squared        0.024848            Mean dependent var        -2.174135
Adjusted R-squared        0.024848            S.D. dependent var        38.45520
S.E. of regression        37.97443            Akaike info criterion        10.19821
Sum squared resid        14420.57            Schwarz criterion        10.23438
Log likelihood        -55.09016            Durbin-Watson stat        1.656172
                               
                               


由上表可得回归方程 =0.179380 ，所以 =0.179380，对原模型进行广义差分，下表为广义差分结果。

Dependent Variable: Y-0.179380*Y(-1)       
Method: Least Squares               
Date: 10/15/09   Time: 17:44               
Sample (adjusted): 1996 2006               
Included observations: 11 after adjustments       
                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
C        844.4809        279.0915        3.025821        0.0192
X2-0.179380*X2(-1)        0.174421        0.064922        2.686639        0.0312
X3-0.179380*X3(-1)        -26.44499        8.495334        -3.112884        0.0170
X4-0.179380*X4(-1)        1.108368        0.248345        4.463009        0.0029
                               
                               
R-squared        0.998586            Mean dependent var        3406.836
Adjusted R-squared        0.997980            S.D. dependent var        901.7805
S.E. of regression        40.52522            Akaike info criterion        10.51701
Sum squared resid        11496.05            Schwarz criterion        10.66170
Log likelihood        -53.84357            F-statistic        1648.221
Durbin-Watson stat        1.953589            Prob(F-statistic)        0.000000
                               
                               

从上表可得，DW=1.953589> ,说明广义差分模型中已经无自相关。同时可决系数，t，F统计量也均达到理想水平。
844.4809 + 0.174421 X2 － 26.44499 X3 + 1.108368X4
             t =（3.025821） (2.686639)   (-3.112884)   （4.463009）
             se= (279.0915)  (0.064922)    (8.495334)   （0.248345）
      　　　 =0.998586,  =0.997980,  F=1648.221，df=11
对方程进行经济意义解释城镇居民家庭人均可支配收入增加一千元，居民消费水平就提高174.421元，城镇居民家庭恩格尔系数增加1%,居民消费水平就减少26.44499元, 农村居民家庭人均可支配收入增加一千元, 居民消费水平就增加1188.368元.这只是理论上的解释，现实可能与解释有出入。

六、对回归方程结果的分析以及原因探讨

--------------------------------------------------------------

这是大概部分

学习学习~~~

随便发点 我写的时候的参考资料
在知网上下的

好难看懂啊

谢谢，不错

缺乏理论基础，模型的修正似乎也缺乏依据
个人之见，楼主不要介意

学习学习了

学习学习，

我们也要做课程设计了，在选题目
好好做